《Scientific Reports》多产妇女剖宫产风险预测模型的建立与验证

　　

在医学研究领域，对于剖宫产（Caesarean Delivery，CD）风险预测的探索从未停止。来自埃塞俄比亚 Woldia 大学健康科学学院助产学系的 Nigus Bililign Yimer 等人，在《Scientific Reports》期刊上发表了题为 “Development and validation of a risk prediction model for caesarean delivery among multiparous women” 的论文。这篇论文在多产妇女剖宫产风险预测这一领域意义重大，为临床实践提供了极具价值的参考依据，有望改善母婴结局，提升医疗服务质量。

研究背景

剖宫产是一种常见的外科手术，全球约 21% 的女性会接受剖宫产 。近年来，剖宫产率持续上升，一方面是由于初次剖宫产数量增加，另一方面则是先前剖宫产（Caesarean Section，CS）后阴道分娩数量减少。虽然在有医学指征的情况下，剖宫产可以降低母婴发病率和死亡率，但没有恰当指征的剖宫产会给母亲和婴儿带来不良后果，如长期并发症包括流产、产前出血、胎盘植入、死产、生育能力下降、儿童哮喘以及未来妊娠时的肥胖等 。

影响剖宫产风险的因素众多，包括高龄产妇、产次大于 1、巨大儿、胎膜早破、引产等，多产妇女的剖宫产风险受多种因素影响 。产妇的人口统计学特征、产前因素、产科和内科并发症、既往产科病史以及当前临床特征，都能为预测多产妇女剖宫产风险提供相关信息。在埃塞俄比亚，近期研究显示多数有剖宫产史的妇女会尝试剖宫产术后阴道试产（Trial of Labour After Caesarean Section，TOLAC），然而，TOLAC 产妇的发病率和死亡率较高，这凸显了在试产前仔细筛选高剖宫产风险妇女的重要性 。

尽管剖宫产风险预测受到了研究人员的关注，但现有的剖宫产风险预测模型主要集中在初产妇、高危孕妇和引产孕妇，常将多产妇女视为低风险人群。实际上，具有特定风险因素（如先前剖宫产疤痕、糖尿病等内科并发症、羊水过多、胎膜早破）的多产妇女，其剖宫产风险可能与初产妇一样高 。因此，预测多产妇女的剖宫产风险，对于提供适当的产科干预措施、解决这一人群中被忽视的风险至关重要。而且，目前缺乏评估多产妇女剖宫产风险的预测工具，了解剖宫产风险的定量信息，有助于加强医患沟通、促进共同决策，优化临床医疗资源分配 。基于此，研究人员开展了此项研究，旨在开发一个使用易于获取的产妇和产科变量，评估多产妇女剖宫产风险的预测模型。

研究方法

• 研究设计与参与者：研究人员在 2018 年 2 月 1 日至 6 月 30 日期间，于埃塞俄比亚 Hawassa 市的两家公立医院，对出现分娩症状的多产妇女进行了前瞻性横断面研究。研究纳入了妊娠 28 周及以上的单胎多产妇女，排除了处于分娩第二阶段及以后的妇女 。

• 数据收集：研究共招募了 460 名在研究医院出现分娩疼痛的多产妇女，根据研究前三个月两家医院平均分娩数量的比例分配样本。研究人员通过结构化问卷和医疗记录收集数据，内容涵盖社会人口学特征、产前因素、产科情况和妊娠结局等 。收集数据的工具被翻译成参与者能理解的当地语言（阿姆哈拉语和西达摩语），由六名经过培训的助产士负责收集数据，首席研究员（NBY）跟进数据收集过程和完整性 。

• 变量：研究关注的结果是剖宫产（是 / 否），通过观察和查阅医疗记录获取 。基于先验知识和临床相关性，选择了如高龄产妇（分为小于 35 岁和 35 岁及以上）、产次（2 - 4 次分娩和 5 次及以上）、上次分娩方式（阴道分娩与剖宫产）、病史（有 / 无）、流产史（有 / 无）、产前检查（有 / 无）、产前检查次数（1 - 3 次和 4 次及以上）、妊娠期高血压疾病（Hypertensive Disorders of Pregnancy，HDP）（有 / 无）、产前出血（Antepartum Hemorrhage，APH）（有 / 无）、胎膜早破（Premature Rupture of Membranes，PROM）（有 / 无）、早产（有 / 无）、宫内胎儿死亡（有 / 无）等作为预测变量 。这些变量通过访谈产妇、提取医疗记录获得，并在必要时通过体格检查和进一步临床检查结果进行验证 。

• 统计分析：收集的数据先录入 Epi - data 4.4.3.1 版本，再导出到 R v 4.3.2 进行处理和分析 。分析前，对数据进行清洗，检查完整性、结构和编码一致性，通过绘图、Kolmogorov - Smirnov 检验和 Shapiro - Wilk 检验检查连续变量的分布，将连续变量分类，使用分类编码确定有意义的因素水平 。

研究采用最小绝对收缩和选择算子（Least Absolute Shrinkage and Selection Operator，LASSO）回归技术选择最终模型的预测变量 。LASSO 通过在残差和中添加惩罚项进行变量选择和收缩，适用于每个预测变量事件数较少的情况 。研究使用 R 语言中的‘glmnet’函数版本 4.1 - 8，通过 k 折交叉验证确定最佳 lambda 值，提取大于最佳阈值的预测变量系数 。使用选定的预测变量构建逻辑回归模型计算剖宫产风险 。

通过受试者工作特征曲线下面积（Area Under the Receiver Operating Characteristic Curve，AUROC）和校准图评估模型性能，AUC 越接近 1 表示模型判别力越好，校准图通过绘制预测概率与观察概率评估两者接近程度，Hosmer - Lemeshow 拟合优度检验 p 值大于 5% 表示模型拟合良好 。使用自抽样（bootstrapping）技术对模型进行内部验证评估过拟合风险，创建 1000 个自抽样样本，计算过乐观系数，系数小于 0.1 表示偏差或过拟合风险低 。根据最终模型中预测变量的回归系数计算简化风险评分，开发列线图（nomogram）直观展示个体剖宫产风险 。利用决策曲线分析展示模型的临床效用，比较模型与其他替代策略在不同阈值概率下的净效益 。此外，研究遵循多变量个体预后或诊断预测模型透明报告（Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis，TRIPOD）声明 。研究获得了 Hawassa 大学医学与健康科学学院机构审查委员会（IRB/164/10）的批准，研究参与者均签署了书面知情同意书，研究过程中通过匿名化处理保护参与者隐私，所有方法和程序均符合《赫尔辛基宣言》 。

研究结果

• 样本特征：460 名参与者中，约 14% 接受了剖宫产。约十分之一的妇女有先前剖宫产疤痕，6.7% 的参与者患有妊娠期高血压疾病，3.5% 出现产前出血，4.1% 发生胎膜早破 。

• 剖宫产的预测因素：通过 LASSO 回归确定了多产妇女剖宫产的预测因素，包括产妇年龄、流产史、产次、上次分娩方式（先前剖宫产）、产前检查次数、病史、妊娠期高血压疾病和产前出血等 。最终模型纳入了四个预测变量：产妇年龄、先前剖宫产、妊娠期高血压疾病和产前出血，最佳 lambda 值为 0.0097 。逻辑回归模型显示，先前剖宫产和当前妊娠的产前出血与剖宫产风险显著相关 。研究人员计算了简化风险评分，公式为： 。基于逻辑回归模型预测变量的系数，研究人员开发了列线图，可直观估计个体剖宫产风险概率 。

• 模型性能：模型的观察概率与预测概率绘制在校准图上，所有点都在对角线上，表明校准良好，Hosmer - Lemeshow 检验 p 值也显示模型拟合数据良好 。模型的 AUC 为 78%（95% CI 71.1 - 84.8），表明在区分真阳性和假阳性方面表现良好 。以简化风险评分为预测变量构建的模型性能与原模型相近，说明简化模型未显著损失判别力 。

• 内部验证：自抽样样本的平均 AUC 值为 74.47%，过乐观系数为 0.04，表明模型过拟合风险较低 。

• 决策曲线分析：决策曲线分析结果显示，在不同阈值概率下，使用该模型的净效益大于治疗所有患者或不治疗任何患者的策略 。在阈值概率为 0 - 0.1 时，模型与 “治疗所有患者” 策略的净效益相当；阈值概率大于 0.1 时，模型净效益优于默认策略 。

研究结论与讨论

研究人员成功开发了多产妇女剖宫产风险预测模型，并计算了简化风险评分。最终模型包含四个预测变量：高龄产妇、先前剖宫产、妊娠期高血压疾病和产前出血 。该模型具有良好的判别和校准能力，在自抽样样本中表现稳健，过乐观系数低，这意味着模型在实际应用中偏差和过拟合风险低，可靠性和泛化性强 。

决策曲线分析表明，在考虑替代干预措施有益的阈值概率范围内，该模型具有更大的净效益，在临床决策中具有重要价值 。简化风险评分和列线图为评估剖宫产风险提供了实用工具，风险评分根据预测变量回归系数赋值，直观反映个体剖宫产可能性，列线图则以可视化方式帮助临床医生进行风险分层和决策 。

与以往研究相比，该模型表现出色。它优于加拿大开发的模型（AUC：74%），与西班牙（AUC：74 - 81%）和荷兰（AUC：73 - 81%）开发的类似模型性能相当，但本模型仅使用四个易于获取的预测变量，更具实用性和可行性 。虽然该模型在 AUC 值上略逊于埃塞俄比亚（AUC：82%）和印度尼西亚（AUC：81.3%）的研究，但先前模型包含众多产前和产时预测变量，可能会延迟诊断和风险分层，且纳入了初产妇和引产孕妇，与本研究多产妇女的风险因素不同 。

该研究的优势在于模型的判别和校准能力良好，使用易于获取的变量，在自抽样样本中表现稳健 。简化风险评分和列线图便于临床医生使用，有助于进行有效的风险分层，为个体化医疗决策提供支持 。此外，该模型不仅有助于优化干预阈值，合理分配医疗资源，还能改善母婴结局，提高医疗服务质量，在医疗政策和实践方面具有深远意义 。

然而，研究也存在局限性。由于统计效力有限，部分重要临床变量未纳入研究；模型开发中未明确产前出血的具体原因（如胎盘早剥、前置胎盘或血管前置），可能带来不确定性；先前剖宫产和产前出血等预测变量的 95% 置信区间较宽，影响预测准确性 。因此，需要进一步开展大规模研究，验证现有预测变量的优势，探索更多可改善剖宫产风险预测的临床变量，并对模型进行外部验证，评估其在不同数据集和临床环境中的性能 。

总体而言，该研究开发的多产妇女剖宫产风险预测模型具有良好的性能和临床实用性，为临床医生提供了实用的风险评估工具。但在应用和解释模型结果时，应充分考虑其局限性，未来研究可针对这些不足进行改进，推动多产妇女剖宫产风险预测领域的发展。